22万词条，供大家学习使用。中文分词词典 中文自然语言处理基础

基于字的用感知机实现的中文分词系统。完全训练后对微软的测试集精度可以达到96%多。我上传的版本是完整的代码（训练和分词），大家自己用附带的微软训练数据训练就可以了，只有一个文件。 代码总的来说写的还是很清楚的，方便自己也方便别人阅读。欢迎大家共讨论,xiatian@ict.ac.cn。

1：中文分词 2：词频统计 3：罗列出要自动提取的关键字 ---------------------------------------- 具有60 万字/秒的高速处理能力。

java 实现的基于FMM BMM算法的，中文分词算法（代码）

3种中文分词方法：最大后向匹配法，CRF，LSTM。其中LSTM又用了三种方法输入，glove向量，Word2vec向量，还有将字映射成整数再通过embedding层映射成字向量作为输入。还包含中文分词的评分脚本。

HMM隐马尔可夫模型用于中文分词HMM隐马尔可夫模型用于中文分词

中文分词词典 适合最大正向匹配算法使用 共计548389条词语

NLPIR（ICTCLAS2013）是由张华平博士发布的中文分词系统，可用多种语言进行二次开发，该资源是用C#语言在VS2010环境下在http://www.nlpir.org/提供的原示例基础上进行改进后的示例程序。

Jieba是一个中文分词组件，可用于中文句子/词性分割、词性标注、未登录词识别，支持用户词典等功能。该组件的分词精度达到了97%以上。

文档中包含Lucene4.0.0版本jar包，中文分词器jar包，Lucene实例代码 1：建立索引 2：各种搜索方式方法 3：删除索引 4：检查索引文件 5：恢复删除的索引 6：强制删除 7：更新索引 8：合并索引 9：高亮回显 供大家参考学习 public static void main(String[] args) { LuceneUtil luceneUtil = new LuceneUtil(); // 创建索引 // luceneUtil.index(); // 搜索 luceneUtil.search(); // 删除索引 // luceneUtil.delete(); // 检查索引文件 // luceneUtil.check(); // 恢复删除的索引 // luceneUtil.unDelete(); // 强制删除 // luceneUtil.forceDelete(); // 更新索引 // luceneUtil.update(); // 合并索引 // luceneUtil.merge(); }